Aplicação de redes neurais LSTM em medição e verificação de resultados de projetos com fontes renováveis: estudo de caso de projeto com sistema fotovoltaico

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: Melo, Denise Sanches de lattes
Orientador(a): Oliveira, Leonardo Willer de lattes
Banca de defesa: Ferreira, Vitor Hugo lattes, Oliveira, Ângelo Rocha de lattes, Dias, Bruno Henriques lattes
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Juiz de Fora (UFJF)
Programa de Pós-Graduação: Programa de Pós-graduação em Engenharia Elétrica
Departamento: Faculdade de Engenharia
País: Brasil
Palavras-chave em Português:
M&V
Área do conhecimento CNPq:
Link de acesso: https://repositorio.ufjf.br/jspui/handle/ufjf/14057
Resumo: As campanhas de medição e verificação (M&V) de resultados em projetos de eficiência energética desempenham um papel fundamental na avaliação dos reais benefícios oriundos das ações implementadas. Em projetos que contemplam a implementação de geração solar, umas das variáveis independentes consideradas no processo é a irradiação solar, de que depende da variação da energia provida pelo sistema. Neste intuito, uma metodologia com aplicação de redes neurais LSTM (Long-Short Term Memory) para a previsão da “irradiação solar” é proposta, com o objetivo de reduzir o tempo de acompanhamento dos resultados do projeto de doze para seis meses, tendo em vista as dificuldades enfrentadas em períodos longos de monitoramento. A avaliação do método aplicado ao problema na M&V para projetos com sistema fotovoltaico (SFV), apresentou resultados satisfatórios, identificando uma solução alternativa com a aplicação de redes neurais LSTM.